语音识别桌面技术

Question

我不确定Stackoverflow是否适合这样做。如果不是，请引导我到正确的地方。

我想创建一个可以运行并聆听我的声音并识别我说的内容的脚本。

它会有一些确切的命令，比如“播放我的音乐”等。

对我来说，看起来我将在这个项目中有3个不同的部分：

1. 一个人来听和写一个声音文件
2. 另一个将声音文件翻译成文本
3. 和最后一个将文本与命令进行比较（如果它能匹配“播放我的音乐”以及“播放一些音乐”会很好）

我做了一些研究，但这有点超出了我的理解。 This post可能是我的起点，但它已经有3年了。

我认为从那时起出现了许多新技术，我想听听你们对它的了解。

关于技术，我愿意使用任何必要的，但不是.NET，我想避免使用JAVA。性能不是问题，我最喜欢简单而不是性能。 我正在使用Mac，我希望它能在Mac和Linux环境中运行。

我会在公共存储库中将它托管在Github上，所以任何昂贵的解决方案都不能（只是说）。

Answer 1

这是little project，它使用google speech api执行第1步和第2步。

它是用clojure编写的，这是一个在jvm上托管的类似lisp的语言。 整个项目只是one short file，请查看。